使用Python minidom读取XML并遍历每个节点

Question

我有一个XML结构，它看起来像下面这样，但规模要大得多：

<root>
    <conference name='1'>
        <author>
            Bob
        </author>
        <author>
            Nigel
        </author>
    </conference>
    <conference name='2'>
        <author>
            Alice
        </author>
        <author>
            Mary
        </author>
    </conference>
</root>

为此，我使用了以下代码：

dom = parse(filepath)
conference=dom.getElementsByTagName('conference')
for node in conference:
    conf_name=node.getAttribute('name')
    print conf_name
    alist=node.getElementsByTagName('author')
    for a in alist:
        authortext= a.nodeValue
        print authortext

然而，打印出来的authortext是“None”。我试着使用下面这样的变体，但它导致我的程序崩溃。

authortext=a[0].nodeValue

正确的输出应该是：

1
Bob
Nigel
2
Alice
Mary

但我得到的是：

1
None
None
2
None
None

对如何解决这个问题有什么建议吗？

Answer 1

元素节点没有nodeValue。你得看看里面的文本节点。如果知道里面总是有一个文本节点，可以说element.firstChild.data（数据与文本节点的nodeValue相同）。

注意：如果没有文本内容，则没有子文本节点，element.firstChild将为空，从而导致.data访问失败。

获取直接子文本节点内容的快速方法：

text= ''.join(child.data for child in element.childNodes if child.nodeType==child.TEXT_NODE)

在DOM Level 3核心中，您获得了textContent属性，可以使用该属性递归地从元素内部获取文本，但是minidom不支持这个属性（其他一些Python DOM实现也支持）。

Answer 2

您的authortext属于类型1（ELEMENT_NODE），通常需要有TEXT_NODE才能获取字符串。这样就行了

a.childNodes[0].nodeValue

Answer 3

快速访问：

node.getElementsByTagName('author')[0].childNodes[0].nodeValue